三星联合牛津、北大提出TrOPD新方法，让端侧模型更稳定继承大模型能力

三星大模型团队联合牛津大学和北京大学提出TrOPD（Trust Region On-Policy Distillation）方法，通过识别教师模型可信的监督区域，解决现有On-Policy Distillation在教师与学生能力差距大时监督信号失真的问题。在Qwen3-SFT-1.7B上，TrOPD在数学、代码、指令遵循和STEM四个基准上分别比原始OPD提升+3.34、+4.00、+5.11、+6.18分，全面超过EOPD、REOPOLD等现有方法。该工作旨在降低推理成本，将前沿AI能力部署到数亿终端设备。